在信息系统中，排序和检索是两个不同但相互补充的过程。检索是从大型数据集中找到相关项目子集的过程，而排序则根据相关性或重要性对这些项目进行排列。例如，在搜索引擎中，检索可能会获取与查询匹配的 1,000 份文档，而排序则会根据用户意图对前 10 个结果进行排序。主要区别在于它们的目标：检索侧重于召回率（找到所有可能的匹配项），而排序则优先考虑精确率（首先显示最佳匹配项）。
检索通常依赖于关键词匹配、倒排索引或向量相似性等技术来快速扫描大型数据集。例如，使用 SQL LIKE 的数据库查询或使用 Elasticsearch 的全文搜索都属于检索任务。这些方法优先考虑速度和可扩展性，通常为了效率而牺牲细微的相关性。现代系统可能会使用嵌入（密集向量表示）来检索语义相似的内容，但核心思想不变：检索是关于过滤，而非排序。一个实际例子是产品搜索，它会返回目录中所有红色鞋子，忽略初始查询之外的颜色变体或用户偏好。
另一方面，排序则应用算法根据上下文、用户行为或特定领域的信号对检索到的项目进行排序。搜索引擎可能会使用页面权威性、点击率或用户位置等特征来对结果进行排序。在推荐系统中，排序可以优先考虑与用户过去购买相似的商品，同时降低缺货商品的权重。此处常使用 Learning-to-Rank (LTR) 等机器学习模型，它们基于历史数据进行训练以预测相关性。例如，流媒体服务可能会检索 200 部匹配“动作”的电影，然后使用一个考虑观看历史、评分和趋势数据的模型对它们进行排序。检索处理广度，而排序通过根据特定需求调整结果来增加深度。
